Pandas学习笔记·精简速查版：用人话总结Series、DataFrame和数据处理核心操作

Pandas 极简入门：像操作 Excel 一样处理数据

一、Pandas 是干什么的？

一句话：Pandas 就是 Python 里的 Excel，专门用来处理表格数据。

它有三个核心"零件"：

零件	是什么	比喻
Series	带标签的一列数据	Excel 里单独一列，每行有名字
DataFrame	带标签的二维表格	Excel 里的一张完整工作表
时间序列	以日期时间为索引的 Series	按时间排列的一列数据

二、Series：一列带名字的数据

创建：

python 复制代码

import pandas as pd

# 自动编号
s1 = pd.Series([1, 6, 11, 16])

# 用字典创建，字典的键自动变成行标签
s2 = pd.Series({'语文': 90, '数学': 92, 'Python': 98})

常用操作（和 NumPy 一样，都是批量操作）：

python 复制代码

s2['语文'] = 94          # 修改某个值
s2[s2 > 90]             # 筛选大于90的科目
s2.mean()               # 平均值
s2.median()             # 中值
s2.nsmallest(2)         # 最小的2个值
abs(s1)                 # 所有元素求绝对值
s1 + 5                  # 所有元素加5

三、时间序列：自动生成日期

python 复制代码

# 从某天开始，每隔7天生成一个日期
pd.date_range(start='20260101', periods=10, freq='7D')

# 常用频率：D=天，W=周，H=小时，M=月末，MS=月初

用日期做索引：

python 复制代码

# 创建按小时排列的数据
data = pd.Series(index=pd.date_range(start='20260701', periods=24, freq='H'), data=range(24))

# 每3小时重采样，求平均值
data.resample('3H').mean()

四、DataFrame：一张完整的表格

创建表格（最常用字典方式）：

python 复制代码

# 字典的键变成列名，值变成数据
df = pd.DataFrame({
    '语文': [87, 79, 67, 92],
    '数学': [93, 89, 80, 77],
    '英语': [90, 80, 70, 75]
}, index=['张三', '李四', '王五', '赵六'])

读取 Excel：

python 复制代码

df = pd.read_excel('文件路径.xlsx')
df = pd.read_excel('文件路径.xlsx', usecols=['姓名', '交易额'])  # 只读指定列
df = pd.read_excel('文件路径.xlsx', skiprows=[1,3,5])         # 跳过某些行

五、数据筛选和查看

三种取数据的方式：

方式	怎么用	什么时候用
`df[条件]`	`df[df['交易额'] > 2000]`	按条件筛选行
`df.iloc[行号, 列号]`	`df.iloc[3, 1]`	按数字位置取
`df.loc[行标签, 列名]`	`df.loc['张三', '交易额']`	按名字取

查看数据概览：

python 复制代码

df.head()              # 前5行
df.tail()              # 后5行
df['交易额'].describe()  # 一键看所有统计信息（总数、均值、最大最小等）
df['交易额'].max()      # 最大值
df['交易额'].min()      # 最小值
df['交易额'].idxmax()   # 最大值在哪一行
df.nlargest(5, '交易额')  # 交易额最大的5条
df.nsmallest(3, '交易额') # 交易额最小的3条

六、排序

python 复制代码

# 按一列排序
df.sort_values(by='交易额', ascending=False)  # 降序

# 按多列排序（先按交易额降序，再按工号升序）
df.sort_values(by=['交易额', '工号'], ascending=[False, True])

# 按列名排序
df.sort_index(axis=1)

七、分组聚合（像 Excel 的分类汇总）

三步套路 ：分组 → 取列 → 计算

python 复制代码

# 每个员工卖了多少钱？
df.groupby(by='姓名')['交易额'].sum()

# 每个柜台的交易额平均值？
df.groupby(by='柜台')['交易额'].mean()

# 每个员工在不同时段的交易额？
df.groupby(by=['姓名', '时段'])['交易额'].sum()

# 一键做多种计算
df.groupby(by='姓名').agg(['sum', 'mean', 'min', 'max'])

八、数据清洗

异常值：

python 复制代码

# 找出异常值
df[df['交易额'] < 200]   # 低于200的
df[df['交易额'] > 3000]  # 高于3000的

# 替换异常值
df.loc[df['交易额'] < 200, '交易额'] = 200  # 低于200的全部改成200

缺失值：

python 复制代码

df.dropna()                         # 直接丢掉有空值的行
df.fillna({'交易额': 1000})           # 用固定值填充
df.fillna(df['交易额'].mean())       # 用平均值填充

重复值：

python 复制代码

df.duplicated()           # 查哪些行重复了
df.drop_duplicates()      # 删掉重复行
df.drop_duplicates(subset=['工号', '日期'])  # 指定列去重

九、透视表和交叉表

透视表：把数据按行列重新排列，自动汇总。

python 复制代码

# 每人每天的交易额总额
df.pivot_table(values='交易额', index='姓名', columns='日期', aggfunc='sum', margins=True)

交叉表：专门统计频次的透视表。

python 复制代码

# 每人每天的上班次数
pd.crosstab(df['姓名'], df['日期'], margins=True)

# 每人在各柜台交易总额
pd.crosstab(df['姓名'], df['柜台'], df['交易额'], aggfunc='sum')

pivot_table 和 crosstab 的区别：

用哪个	什么时候用
`pivot_table`	已经有效据，想按不同维度汇总（求和、平均等）
`crosstab`	想统计出现了多少次（频次），两个都可以用

十、标准差和协方差

标准差：看数据稳不稳定。越小越稳定，越大越像过山车。

python 复制代码

df.std()       # 标准差
df.std()**2    # 方差（标准差的平方）

协方差：看两组数据是同步变化还是反向变化。

python 复制代码

df.cov()       # 协方差矩阵

协方差值	含义	比喻
正数	同步变化	你往前走，我也往前走
负数	反向变化	你往前走，我往后退
接近0	互不影响	各走各的

十一、数据合并

python 复制代码

# 按行堆叠（加长）
pd.concat([表1, 表2, 表3])

# 按列关联（加宽），像 Excel 的 VLOOKUP
pd.merge(员工表, 工资表, on='工号')

十二、两个好用的内置接口

dt 接口：处理日期。

python 复制代码

pd.to_datetime(df['日期']).dt.weekday_name  # 自动转成周几
pd.to_datetime(df['日期']).dt.quarter       # 自动转成第几季度

str 接口：处理字符串。

python 复制代码

df['日期'].str.extract(r'(\d{4}-\d{2})')    # 提取年月
df['日期'].str.endswith('6')                 # 判断是否以6结尾

Pandas 最核心的思维模式

你想做什么	对应的操作
看数据长什么样	`head()`、`describe()`
找符合条件的数据	`df[df['列名'] > 值]`
按某列分类汇总	`df.groupby('列名')['要算的列'].sum()`
把表排个序	`df.sort_values(by='列名')`
把两张表拼一起	`pd.concat()` 或 `pd.merge()`
把汇总结果做成二维表	`df.pivot_table()`
处理脏数据	`dropna()`、`fillna()`、`drop_duplicates()`

附：Pandas 核心函数速查表

函数	一句话用途
`pd.read_excel()`	读取 Excel 文件
`df.head()` / `df.tail()`	看前/后几行
`df.describe()`	一键看所有统计信息
`df['列名'].max()` / `.min()` / `.mean()` / `.sum()`	最大/最小/平均/求和
`df[df['列名'] > 值]`	按条件筛选
`df.sort_values(by='列名')`	按某列排序
`df.groupby('列名')['算的列'].sum()`	分类汇总求和
`df.groupby('列名').agg(['sum','mean'])`	同时做多种汇总
`df.pivot_table(values, index, columns, aggfunc)`	透视表
`pd.crosstab(index, columns, values, aggfunc)`	交叉表（统计频次）
`df.dropna()` / `df.fillna()`	处理缺失值
`df.drop_duplicates()`	去重
`df.resample('7D', on='日期').sum()`	重采样（按时间汇总）
`df.std()` / `df.cov()`	标准差 / 协方差
`pd.concat([表1, 表2])`	按行堆叠
`pd.merge(表1, 表2, on='键')`	按列关联

注:已经使用DeepSeek进行整理精简核心内容，些许不理解的配合个人笔记进行理解。